A Comparative Analysis of R.E.I.T.s, R.E.O.C.s and P.R.E.O.C.s Using a Stochastic Frontier Approach
Notice bibliographique
Résumé
Although the first real estate investment trust (R.E.I.T.) was created in 1960s, according to the latest data of 2018, only 13 out of 28 European countries had such systems on their stock-exchange. Many economists have published detailed studies stating the advantages of R.E.I.T.s, however, the developing part of Europe is still slow to react with legislative initiatives. This article extends the existing research on R.E.I.T. efficiencies and compares them to private real estate operating companies (P.R.E.O.C.s) as well as real estate operating companies (R.E.O.C.s) across the U.S., Canada and the European Union by using a stochastic frontier, panel-data models of translog cost functions while trying to identify whether a significant benefit arises from different corporate structures. The results confirm that out of 666 companies under consideration, all types of real estate (R.E.) firms achieve economies of scale. Furthermore, in the time period of 2014–2016, REITs on average were less reliant on short-term debt, they had a lower debt-to-equity ratio, were more efficient at managing costs in three stochastic translog models and partially in fourth, had a stronger economy of scale effect when their assets size increased, and remained competitively profitable though were outperformed in the profit and revenue area.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».